• Una función define relaciones entre distintos objetos
• Permite automatizar tareas
• Las funciones pueden contener otras funciones (“anidadas”/“nested”)
• Hay funciones tan complejas que requieren muchos argumentos, referencias, condiciones, etc.
• Toda función tiene un nombre, un argumento (puede estar definido por defecto) y un cuerpo
• Los resultados de las operaciones pueden arrojar advertencias (para considerar) o errores (la ejecución para). Gran parte de los errores y advertencias están programadas, pueden ser buscadas en la red.

Ejemplo: “head”

• ¿Cuántas filas entrega por defecto?
• Esa especificación es un argumento por defecto
• El cuerpo, no lo vemos

print.function(head)

## function (x, ...) 
## UseMethod("head")
## <bytecode: 0x0000000014b90ef0>
## <environment: namespace:utils>

getAnywhere(head)[2]

## function (x, ...) 
## UseMethod("head")
## <bytecode: 0x0000000014b90ef0>
## <environment: namespace:utils>

• Una de las características que hace la diferencia entre otros programas.
• Un paquete estadístico contiene distintas funciones (comandos).
• Son extensiones de R: Contienen código, datos y documentación estandarizada.
• Los paquetes en general se alojan en repositorios (CRAN, MRAN, GitHub, and BioConductor).
• Las librerías son un directorio local que contiene los paquetes instalados
• En general las librerías tienen archivos de documentación similares a formato Latex, con información de sus versiones, la fuente, etc.

• Abra Rstudio y presione Alt + T + G (WIN) o Cmd+, [comma] (Chrome, Desktop), Option+Cmd+, [comma] (Safari, FireFox) (MAC)

• Ingrese en la consola o en un Script, la instalación del paquete “dplyr”, install.packages("dplyr")
• Habiendo hecho esto, usted está instalando el paquete, pero no lo ha activado ni lo ha abierto
• Para activarlo momentáneamente (library(dplyr)).
  • Muchos autores no recomiendan “require”, sino “library” (https://stackoverflow.com/q/5595512/9975513)
  • Una ventaja de require entrega un valor binario si el paquete se cargó o no (VERDADERO/FALSO)
  • La amenaza es que si uno corre líneas de código, se obvia el error
  • Esto puede llevar a resultados erróneos (ej: aplicando funciones de otros paquetes con mismo nombre)
• Existen otros argumentos de la función install.packages:
• Ubicación de la librería, Repositorio (CRAN, MRAN, Bioconductor,local, etc.), instalar paquetes dependientes, etc.
• Si no conoce el origen de una función, puede consultarlo anteponiendo “?” o utilizando la función help()
• A veces, los paquetes estadísticos generan contradicciones entre sí (ej: plyr y dplyr). Para ello, se recomienda desactivar o “despegar” un paquete (detach(package:[NOMBRE_PAQUETE]))

#OPC 1- una lista de paquetes estadísticos. Por cada fila, verá si existe el paquete.
#Si no, lo instala sin preguntar desde un repositorio CRAN
if(!require(paquete1)){install.packages("paquete1")}
if(!require(paquete2)){install.packages("paquete2")}
if(!require(paquete3)){install.packages("paquete3")}
if(!require(paquete4)){install.packages("paquete4")}
#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:#:

#OPC. 2- Vemos que una lista de paquetes estadísticos se encuentren instalados; 
#si no lo están, aparece un mensaje
for (n in c("paquete1", "paquete2", "paquete3", "paquete4", "paquete..."))
{
  if(!require(n,character.only=TRUE))
  {
   stop(paste0("El paquete '",n,"' no está instalado: por favor instálelo e inténtelo de nuevo!\n"));
   # install.packages(n) # Si prefiere que lo instale automátiamente.
  }
  library(n,character.only=TRUE)
}

Almacenan datos, tienen distintas estructuras que le dan soporte. A continuación presentaremos las más básicas, junto con sus propiedades:

Vectores

• Aloja elementos/valores del mismo tipo (Posteriormente podrá ver los Tipos de Variables)
• De ahí que elementos de distintos tipos serán coercionados a adoptar el tipo de caracter
• Permite tomar un rango de ellos, excluir otros elementos, especificar los que se obtendrán mediante un criterio lógico (VERDADERO/FALSO).
• Son el fundamento de muchas otras estructuras.
• Permite ser ordenado
• Si se utilizan vectores de distinto largo, las funciones pueden reciclarse
• Constructor de vectores, combine: c()

Factores

• Son vectores que alojan variables de tipo categórico u ordinal
• La ventaja es que las etiquetas se graban sólo una vez, en niveles (levels())
• Por tanto, aloja un vector con valores enteros, dependiendo de la cantidad de valores únicos
• Otra es que permite informar a otros algoritmos respecto al tipo de datos que alojan (ej. regresión logística) -as.character()

Listas

• Contienen elementos de distintos tipos, hasta objetos, de manera ordenada
• De ahí que pueden estar anidados entre ellos
• Los elementos pueden no estar relacionados entre sí
• La función list() permite generarla. Es opcional agregarle nombres a cada elemento, pero permite llamarlos con mayor facilidad.

Matrices

• Forma tabular, bidimensional y de naturaleza homogénea
• Coarta su formato si se incorporan elementos de distinto tipo
• Admite nombres a sus dimensiones (dimnames)
• Generalmente numéricos
• [x,y]
• Por defecto, de arriba a abajo (bycol=T)

Array

• Tabla multidimensional
• Tiene filas, columnas y otras capas

Data frame

• Marco/Trama/Conjunto de Datos
• Bidimensional
• Heterogéneas
• Similar a una base de datos .csv o una planilla excel (aunque más restringida)
• Los nombres de las columnas no pueden estar vacíos (el programa los llenará)
• Es un dataset que está organizado en columnas (cada columna con su nombre)
• Cada columna debe contener valores del mismo tipo
• Similar a las bases de datos de SAS o SPSS
• Se entiende como una lista de vectores o factores con la misma extensión (largo length() de columna 1 será el mismo que el del resto de las columnas)
• Propiedades names(), colnames(), rownames(), is.data.frame(), str(), attr(), dim()

Tibbles

• Una nueva configuración de un data frame
• No fuerza a las columnas de caracteres a comportarse como factores
• No entrega nombres de columnas automáticamente
• Más sensible: da más advertencias
• Es más cauto al reciclar vectores
• No recomendable para bases de datos medianos/grandes (>50,000x10) (preferible data.table’s)
• Pueden ser incompatibles con algunos paquetes

• ¿Lista o vector?

c(4,6,8,10)

## [1]  4  6  8 10

-¿Lista o vector?

c("d",6,"v",10)

## [1] "d"  "6"  "v"  "10"

• Aquí vemos que una matriz puede tener 2 atributos: número de filas y número de columnas. ¿Cómo ordena los datos por defecto una matriz?

matrix(1:4, nrow = 2, ncol = 2) #ATRIBUTOS DE UNA MATRIZ,tener en cuenta para después

##      [,1] [,2]
## [1,]    1    3
## [2,]    2    4

matrix(1:4, nrow = 2, ncol = 2)*matrix(c(46,57,32,88),nrow=2)

##      [,1] [,2]
## [1,]   46   96
## [2,]  114  352

• Matriz o Array ¿?

x<-array(c(52,41,25,85,136,128,28,59,65,16,1,133),c(2,3,2))
dimnames(x)<-list(c("H","M"),c("desempleado","empleado","inactivo"),c("santiago","valparaiso"))
print(x)

## , , santiago
## 
##   desempleado empleado inactivo
## H          52       25      136
## M          41       85      128
## 
## , , valparaiso
## 
##   desempleado empleado inactivo
## H          28       65        1
## M          59       16      133

##... mmmm... dimnames...¿qué serán? (se verá después)

• Seleccionar velocidades altas en base a un vector de valores
• Generar una matriz de distancia recorrida y velocidad (en mph)

if(!require(dplyr)){install.packages("dplyr")} #si no existe, se instala
library(dplyr) #cargo dplyr
data(cars) #cargo la base de datos cars de dplyr
glimpse(cars) # exploro los datos

## Rows: 50
## Columns: 2
## $ speed <dbl> 4, 4, 7, 7, 8, 9, 10, 10, 10, 11, 11, 12, 12, 12, 12, 13, 13,...
## $ dist  <dbl> 2, 10, 4, 22, 16, 10, 18, 26, 34, 17, 28, 14, 20, 24, 28, 26,...

vec_vels<-c(23,24,25) # vector de velocidades altas seleccionadas
cars %>% 
  dplyr::filter(speed %in% vec_vels) %>%  #filtro en base a un vector
  janitor::tabyl(speed, dist) #matriz de velocidad por distancia

##  speed 120 54 70 85 92 93
##     23   0  1  0  0  0  0
##     24   1  0  1  0  1  1
##     25   0  0  0  1  0  0

• Subset

print(c(1,2,3,4,5))[3]

## [1] 1 2 3 4 5

## [1] 3

#¿Y ahora?, ¿qué llama la atención?
print(c(1,2,3,4,5)[3:6])

## [1]  3  4  5 NA

#¿por qué aparece un error?
tryCatch(print(c(1,2,3,4,5)[3:6,6]), error = function(e) "ERROR") ## una función para que en caso de que arroje error, no interrumpa la ejecución del los scripts.

## [1] "ERROR"

• Propiedades de una base de datos data.frame
  • $ para seleccionar una columna de una base de datos
  • [,] que nos permiten visualizar determinados elementos de una base de datos

data("women")
dimnames(women)

## [[1]]
##  [1] "1"  "2"  "3"  "4"  "5"  "6"  "7"  "8"  "9"  "10" "11" "12" "13" "14" "15"
## 
## [[2]]
## [1] "height" "weight"

str(women)

## 'data.frame':    15 obs. of  2 variables:
##  $ height: num  58 59 60 61 62 63 64 65 66 67 ...
##  $ weight: num  115 117 120 123 126 129 132 135 139 142 ...

names(women)

## [1] "height" "weight"

women$height

##  [1] 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72

women[3,1]

## [1] 60

women[3,"height"]

## [1] 60

• Ejemplo de un Tibble (requiere instalar un paquete). Véanlo como data.frame (as.data.frame(cbind(sexo=rep("H","M",8),sexo=rep(c("H","M","M","H"),2),tarea=c("auto","casa", "barrio", "cohete","hipopotamo","nieve","hijo","sal")))), vean sus propiedades, ¿qué cambió?

if(!require(tibble)){install.packages("tibble")};tibble::as_tibble(cbind(sexo=rep("H","M",8),sexo=rep(c("H","M","M","H"),2),objeto=c("auto","casa", "barrio", "cohete","hipopotamo","nieve","hijo","sal")))

## Loading required package: tibble

## Warning: package 'tibble' was built under R version 4.0.3

## Warning: The `x` argument of `as_tibble.matrix()` must have unique column names if `.name_repair` is omitted as of tibble 2.0.0.
## Using compatibility `.name_repair`.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_warnings()` to see where this warning was generated.

## # A tibble: 8 x 3
##   sexo  V2    objeto    
##   <chr> <chr> <chr>     
## 1 H     H     auto      
## 2 H     M     casa      
## 3 H     M     barrio    
## 4 H     H     cohete    
## 5 H     H     hipopotamo
## 6 H     M     nieve     
## 7 H     M     hijo      
## 8 H     H     sal

• Variables categóricas, cualitativas, no métricas
  • Nominales
  • Ordinales
• Variables cuantitativas, métricas
  • Continuas
  • Discretas
• Escalas
  • De Intervalo
  • Razón o Proporción

\(^{Fuente: Ritchey, 2002, p. 47}\)

Existen 5 tipos de variables (modos) básicas o “atómicas” en R (dependiendo del tipo de valores que se le asigna a cada objeto). Estos determinan cómo los datos serán formateados, mostrados y tratados (typeof([OBJETO]) y class([OBJETO]), por si quiere saber más enlace y enlace2).

• Numérico (numeric): valores numéricos, incluye decimales. {2,1.5,3}

• Entero (integer): números enteros, no incluye decimales. {4,8,34}

• Caracter (character): Variables Cadena (alfanuméricas). "andres", "pedro"

• Lógico (logical): valores lógicos, verdadero o falso. {TRUE/FALSE, 0/1}

Además, es posible tratar las variables (“casting”) como factores. En este caso, las variables corresponden a valores enteros que tienen etiquetas para los distintos valores. Por otra parte, existen estructuras más complejas (tipo abstracto), como las fechas (dttm, POSixct), que provienen de estas formas básicas y que van más allá del alcance de este curso

• NA (no disponibles), puede entenderse como valores perdidos. Tiende a ser recodificado como “99” o “999” (distinguir de los No Aplica, “88” o “888”)
• La infinidad se entiende como Inf
• NaN es un valor indefinido NaN (not a number)
• Sólo hay una propiedad NULL, similar a largo 0

is.finite(c(2,3,4,5)/c(0,1)) # se recicla

## [1] FALSE  TRUE FALSE  TRUE

is.infinite(matrix(c(1,2,5),nrow=2,ncol=2)/matrix(c(0,4),nrow=2,ncol=2))  #va a reciclar la primera observación

##       [,1]  [,2]
## [1,]  TRUE  TRUE
## [2,] FALSE FALSE

is.nan(c(2/5,6/6,0/0))

## [1] FALSE FALSE  TRUE

is.na(c(1,2,NA,4,5))

## [1] FALSE FALSE  TRUE FALSE FALSE

complete.cases(c(1,2,NA,4,5))

## [1]  TRUE  TRUE FALSE  TRUE  TRUE

anyNA(c(1,2,NA,4,5))

## [1] TRUE

anyNA(c(1,2,3,4,5))

## [1] FALSE

is.null(c(1,2,3,4,5))

## [1] FALSE

is.null(c(1,2,NA,4,5))

## [1] FALSE

is.null(c())

## [1] TRUE

library(car) #cargo librería

## Loading required package: carData

## 
## Attaching package: 'car'

## The following object is masked from 'package:dplyr':
## 
##     recode

car::recode(c(1,2,NA,4,5), "NA=99") #reemplazo el valor perdido por un número en particular

## [1]  1  2 99  4  5

Juego de Cultura - La regla que aplicará es la siguiente: “a todas las palabras que digan deberán agregarle la frase ‘por celular’” - Sus compañeros dicen lo siguiente: c("Debo comprar tickets para mañana", "Qué bueno sería juntarnos", "Voy a preparar un jugo") - La función paste0 permite pegar elementos sin separación

objeto <- "silencio"
paste0("Simón dice", objeto)

## [1] "Simón dicesilencio"

#considere que no agrega espacios, por lo que debe agregarlos usted
paste0("Simón dice", ", \'", objeto,"\'")

## [1] "Simón dice, 'silencio'"

• Genere un objeto con las palabras utilizadas por sus compañeros de juego
• Agregue la frase “por celular”

• Cargue una base de datos de R llamada “ChickWeight”
• Obtenga la suma del peso de los primeros 5 pollos
• OPC1. Obtenga la media de todos los pollos (use recursos en-línea para aprender)
• ¿Llegó a obtener un peso de 121.8183 kgs.)
• OPC2. obtenga el resultado usando comas enseparador de decimales (outdec en internet)
• OPC3. ¿Y qué tal todo esto con la desviación estandar el mismo separador de decimales?

• Usted ya instaló el paquete “dplyr”
• El paquete dplyr contiene múltiples funciones y bases de datos (https://cran.r-project.org/web/packages/dplyr/dplyr.pdf)
• Llame a la librería
• Cargue la base de datos “starwars”
• (Podría faltar el paquete magrittr, si el programa se lo pide, ¿sabría cómo instalarlo?)
• Ejecute este código: starwars %>% dplyr::group_by(eye_color) %>% dplyr::summarise(promedio_altura_por_color_de_ojos=mean(height, na.rm=T))
• Conversemos sobre lo que hizo

• Hansen, M., Nolan, D. & Temple, D. (2008). Introduction to the R Language: Functions. Workshop: Integrating Computing into the Statistics Curricula. U.C. Berkeley. Enlace
• Wickham, H. & Grolemund, G. Proyecto de traducción colaborativa de “R para Ciencia de Datos”.https://es.r4ds.hadley.nz/
• Ritchey F. (2002). “Estadística para las Ciencias Sociales”. Editorial Mc Graw Hill Interamericana editores S.A. de CV. México. www.shorturl.at/pvK37
• El ícono del engranaje fue elaborado por Eucalyp from www.flaticon.com
• Data Flair. R Tutorials. https://data-flair.training/blogs/r-data-types/
• Leisch F. (2008). Creating R packages: a tutorial. http://cran.r-project.org/doc/contrib/Leisch-CreatingPackages.pdf.
• https://www.statmethods.net/r-tutorial/index.html
• DataCamp. Introduction to R. https://www.datacamp.com/courses/free-introduction-to-r